Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openai5. Januar 2021 · Q007488

DALL·E: Creating images from text

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI berichtet, dass DALL·E Bilder aus Textbeschreibungen erzeugen und dabei etwa Eigenschaften, Anordnungen, Perspektiven und Stile in gewissem Umfang steuern kann. Die Zuverlässigkeit ist begrenzt: Bei komplexeren Szenen verwechselt das Modell Merkmale, reagiert empfindlich auf Umformulierungen und kann Sachwissen fehlerhaft wiedergeben.

Mittel

Der Bericht beschreibt DALL·E als ein von OpenAI entwickeltes Modell, das Bilder aus Text erzeugt. Es basiert auf einem 12-Milliarden-Parameter-Transformer, der Text und Bild gemeinsam als Folge von Tokens verarbeitet. Laut OpenAI kann es unter anderem Objekteigenschaften und Perspektiven verändern, mehrere Konzepte kombinieren, Schrift in Bilder setzen und Bildvorlagen umarbeiten. Für die gezeigten Beispiele wurden je Textbeschreibung zahlreiche Bilder erzeugt und mithilfe von CLIP nachbewertet.

Die Fähigkeiten sind jedoch begrenzt. Bei mehreren Gegenständen verwechselt das Modell mitunter deren Eigenschaften und Farben; bei mehr Objekten sinkt die Erfolgsquote deutlich. Auch kleine Änderungen der Formulierung können zu falschen Ergebnissen führen. Die berichteten Kenntnisse über Orte und Zeitpunkte seien teils genau, teils fehlerhaft. OpenAI weist zudem auf mögliche gesellschaftliche, wirtschaftliche und ethische Folgen hin und kündigt weitere Untersuchungen an. Der Text legt keine abgeschlossene Folgenbewertung vor.

Ausführlich lesen

Der Bericht stellt DALL·E als ein von OpenAI entwickeltes neuronales Netz vor, das Bilder aus natürlichsprachlichen Beschreibungen erzeugt. Laut Bericht handelt es sich um eine Variante von GPT‑3 mit 12 Milliarden Parametern, die anhand von Text-Bild-Paaren trainiert wurde. Die zentrale Idee: Sprache soll nicht nur Bildinhalte benennen, sondern auch deren Eigenschaften, Beziehungen, Perspektive und Stil steuerbar machen. Die gezeigten Beispiele umfassen unter anderem vermenschlichte Tiere, ungewöhnliche Produktentwürfe, Bilder mit Schrift sowie die Übertragung einer Bildvorlage in eine Skizze.

OpenAI beschreibt DALL·E als autoregressiven Transformer. Text und Bild werden gemeinsam als Folge von bis zu 1.280 Tokens modelliert: 256 für Text und 1.024 für das Bild. Bei der Erzeugung können Bild-Tokens den Text-Tokens Aufmerksamkeit schenken; für Bilder nutzt das Modell je nach Schicht unterschiedliche sparsame Aufmerksamkeitsmuster. Die Trainingsbilder werden auf 256 × 256 Pixel verarbeitet und durch einen diskreten VAE in ein Raster aus latenten Codes komprimiert. Für die interaktiven Beispiele erzeugt das Verfahren laut Bericht 512 Kandidaten je Beschreibung und ordnet sie mithilfe von CLIP neu; gezeigt werden die 32 bestbewerteten. Die Auswahl sei dabei grundsätzlich nicht manuell kuratiert worden, abgesehen von bestimmten Vorschaubildern und separat gezeigten Einzelbildern.

Als Fähigkeiten nennt der Bericht das Verändern von Objektmerkmalen und Objektzahlen, das Anordnen weniger Gegenstände, Perspektiv- und Stilwechsel sowie Darstellungen innerer oder äußerer Strukturen. Das Modell könne außerdem fehlende Details ergänzen, wenn eine Beschreibung mehrere plausible Bilder zulässt. Die Beispiele reichen von Mode- und Innenraumideen bis zu Kombinationen sachfremder Konzepte. OpenAI berichtet auch über Bild-zu-Bild-Aufgaben, die ohne eigens dafür vorgenommene Änderungen am Modell oder Trainingsverfahren aufgetreten seien, sowie über Versuche mit visuellen Analogierätseln und geografischem und zeitlichem Wissen.

Der Bericht betont zugleich deutliche Grenzen. Bei mehreren Objekten kann DALL·E Eigenschaften wie Farben den falschen Gegenständen zuordnen; mit steigender Zahl von Objekten sinke die Erfolgsquote stark. Schon sinngemäß gleiche Umformulierungen können zu anderen oder falschen Ergebnissen führen. Auch die geografischen Kenntnisse seien teils präzise, teils fehlerhaft, und die Steuerbarkeit werde insgesamt als unterschiedlich zuverlässig beschrieben. OpenAI kündigt an, mögliche gesellschaftliche Folgen, Verzerrungen und ethische Fragen künftig zu untersuchen. Eine abgeschlossene Folgenanalyse oder belastbare Bewertung solcher Auswirkungen enthält der Bericht nicht.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna lieferte zwei Zusammenfassungen; bewertet wurde die mittlere, die den Bericht ausführlicher wiedergibt. Die kurze Fassung ist ebenfalls weitgehend treu, lässt aber Trainingsdetails und die Zero-shot-Fähigkeit aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Zero-shot-Fähigkeit: DALL·E löst Bild-zu-Bild-Aufgaben ohne zusätzliches Training, was OpenAI als unerwartet beschreibt
  • Analogietest mit Raven-Matrizen als eigener Befund
  • Der Bericht stellt fest, dass keine manuelle Auswahl der Beispiele stattfand, außer bei Vorschaubildern und Einzelbildern
  • Die Modellbasis ist GPT-3, und das Training nutzt einen Datensatz aus Text-Bild-Paaren
  • Die Architektur mit 1280 Tokens, 64 Attention-Schichten und dem Wechsel zwischen kausaler und spärlicher Aufmerksamkeit fehlt

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 35 %Hintergrund, keine Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 58 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 38 %gleiches Oberthema, hilft nicht
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 80 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 26 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 73 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-V3-T04 Wer muss Rechenschaft ablegen, wenn ein Modell Werte auf Lagen überträgt, die beim Training niemand vorhergesehen hat: das Modell, das Labor oder der Mensch, der das Ziel gesetzt hat? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 61 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht

  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 38 %nur am Rande erwähnt
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 37 %nur am Rande erwähnt
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 54 %umfangreiche Belege
    • JEV 39 %beantwortet teilweise oder widerspricht
    • amos 25 %Hintergrund, keine Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 33 %nur am Rande erwähnt
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 69 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  3. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 30 %einzelne zitierbare Belege
    • JEV 53 %nur am Rande erwähnt
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 47 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 100 %kein Bezug
    • Luna 56 %Hintergrund, keine Belege
    • JEV 37 %gleiches Oberthema, hilft nicht
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →